蚂蚁百灵与 ASystem 团队打通单机 Agentic RL 后训练闭环

OmniTools 8月14日消息，蚂蚁百灵与 ASystem 团队合作，在 DGX Spark 平台上基于 Ling-3.0-tiny 模型和 AReno 框架，完成了单机环境下的 Agentic 强化学习（Agentic RL）后训练闭环验证。实验以井字棋为最小可行任务，采用 GSPO 算法训练 400 步后，rollout/rewards_mean 指标由约 -0.5 提升至 0.4，响应长度降至约 850 tokens，工具调用与动作选择稳定性增强。